TTS ਸਟਾਇਲ 2

Ultra

ਸਟਾਇਲ ਟਰਾਂਸਫਰ ਨਾਲ ਮਨੁੱਖੀ- ਪੱਧਰ ਪਾਠ- ਤੋਂ- ਬੋਲੀName

Moderate ਗਤੀ
Excellent ਕੁਆਲਟੀ
ਕੋਈ ਨਹੀਂ ਕਲੋਨਿੰਗ
1 ਭਾਸ਼ਾਵਾਂ

ਬਾਰੇ TTS ਸਟਾਇਲ 2

StyleTTS 2 achieves human-level text-to-speech synthesis through style diffusion and adversarial training. It generates highly natural speech that rivals real human recordings. StyleTTS 2 represents the state-of-the-art in TTS quality and naturalness.

ਮੁੱਖ ਫੀਚਰ

ਮਨੁੱਖੀ- ਪੱਧਰ ਕੁਆਲਟੀ

ਅੱਖਾਂ ਬੰਦ ਟੈਸਟ ਵਿੱਚ ਮਨੁੱਖੀ ਰਿਕਾਰਡਿੰਗ ਤੋਂ ਅਲੱਗ ਬੋਲੀ ਬਣਾਓ ।

ਐਕਸਪ੍ਰੈੱਸਿਵ ਸਟਾਇਲ

ਮਾਡਲ ਬੋਲਣ ਸਟਾਈਲ ਤਾਂ ਕਿ ਟੈਕਸਟ ਨਾਲ ਸਪਲਾਈ ਕੁਦਰਤੀ ਤੌਰ ਤੇ ਬਦਲਦਾ ਹੈ ।

ਕੁਦਰਤੀ ਪਰੋਸੈੱਸ

ਡਿਫਿਊਸ਼ਨ ਅਧਾਰਿਤ ਮਾਡਲਿੰਗ ਨਾਲ ਸੰਪੂਰਨ ਰੀਥਮ, ਸਟ੍ਰੈਸ ਅਤੇ ਇੰਟੋਨੇਸ਼ਨ।

ਸਟੂਡੀਓ ਆਵਾਜ਼

ਆਵਾਜ਼ ਲਾਇਬਰੇਰੀ ਵਿੱਚ ਤਿਆਰ StyleTTS2ਆਵਾਜ਼ਾਂ ਵਿੱਚੋਂ ਚੁਣੋ ।

ਤੇਜ਼ ਅੰਦਾਜ਼ਾ

ਕੁਆਲਟੀ ਨੂੰ ਕਾਇਮ ਰੱਖਦੇ ਹੋਏ ਆਟੋਰਿਗਰੇਸ਼ਨ ਮਾਡਲਾਂ ਨਾਲੋਂ ਤੇਜ਼ ਹੈ ।

ਖੋਲ੍ਹੋ ਸਰੋਤ

MIT ਲਾਈਸੈਂਸ ਪੂਰੇ ਵਪਾਰਕ ਵਰਤੋਂ ਅਧਿਕਾਰਾਂ ਨਾਲ ਹੈ ।

ਵਰਤੋਂ ਕੇਸ

ਪ੍ਰੀਮੀਅਮ ਆਡੀਓਬੁੱਕਾਂ ਪਰੋਫੈਸ਼ਨਲ ਬੋਲੀ ਫਿਲਮ ਅਤੇ ਟੀਵੀ ਨਿਰਮਾਣName ਉੱਚ- ਅੰਤ ਐਡਵਰਟਾਈਜ਼ਿੰਗ ਪੋਡਕਾਸਟ ਨਿਰਮਾਣ ਬੋਲੀ ਐਕਸ਼ਨ

TTS ਸਟਾਇਲ 2 Voices

View All 6
StyleTTS2 Default
EN
StyleTTS2 Expressive
EN
StyleTTS2 Fast
EN
StyleTTS2 Natural
EN
StyleTTS2 Neutral
EN
StyleTTS2 Quality
EN

ਵਰਤੋਂ ਕਿਵੇਂ ਕਰੀਏ TTS ਸਟਾਇਲ 2

  1. 1

    ਮੁਫ਼ਤ ਰਜਿਸਟਰ

    ਸਟਾਰਟਅੱਪ ਕ੍ਰੈਡਿਟ ਲੈਣ ਲਈ ਮੁਫਤ TextToSpeechAI ਅਕਾਊਂਟ ਬਣਾਓ।

  2. 2

    ਸਟਾਇਲTTS2 ਇੰਜਣ ਚੁਣੋ

    ਆਵਾਜ਼ ਲਾਇਬਰੇਰੀ ਵਿੱਚੋਂ ਇੱਕ StyleTTS2 ਆਵਾਜ਼ ਚੁਣੋ ।

  3. 3

    ਆਪਣਾ ਟੈਕਸਟ ਦਿਓ

    ਸਕ੍ਰਿਪਟ ਜੋ ਤੁਸੀਂ ਬੋਲਣੀ ਚਾਹੁੰਦੇ ਹੋ, ਨੂੰ ਚੇਪੋ ਜਾਂ ਟਾਈਪ ਕਰੋ । StyleTTS2 ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਵਧੀਆ ਹੈ ਅਤੇ ਲੰਬੇ ਪਾਠ ਵਿੱਚ ਕੁਦਰਤੀ ਪਰੋਸੌਡੀ, ਸਤਰ ਅਤੇ ਝਲਕ ਦਿੰਦਾ ਹੈ ।

  4. 4

    ਆਡੀਓ ਬਣਾਓ

    ਬਣਾਓ ਕਲਿੱਕ ਕਰੋ ਅਤੇ TextToSpeechAI GPU ਉੱਤੇ ਤੁਹਾਡਾ StyleTTS2 ਆਡੀਓ ਪੇਸ਼ ਕਰੇਗਾ । ਅਲਟਰਾ- ਟਾਇਰ StyleTTS2 ਪ੍ਰਤੀ 1000 ਅੱਖਰ 50 ਕਰੈਡਿਟ ਦੀ ਕੀਮਤ ਹੈ ।

  5. 5

    API ਡਾਊਨਲੋਡ ਜਾਂ ਵਰਤੋਂ

    ਮੁਕੰਮਲ StyleTTS2 ਆਡੀਓ MP3, WAV ਜਾਂ OGG ਵਾਂਗ ਡਾਊਨਲੋਡ ਕਰੋ, ਜਾਂ ਆਟੋਮੈਟਿਕ ਤਿਆਰੀ ਲਈ ਆਪਣੀ StyleTTS2 ਆਵਾਜ਼ ਨਾਲ TextToSpeechAI API ਕਾਲ ਕਰੋ ।

TTS ਸਟਾਇਲ 2 API

TextToSpeechAI REST API ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪ੍ਰੋਗਰਾਮਿਕ ਤੌਰ ਉੱਤੇ ਬੋਲੀ ਬਣਾਓ । Name

curl -X POST "https://api.texttospeechai.com/v1/generate/" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "StyleTTS2 ਬੋਲੀ ਇੰਨੀ ਕੁਦਰਤੀ ਬਣਾਉਂਦੀ ਹੈ ਕਿ ਇਹ ਪਰੋਫੈਸ਼ਨਲ ਮਨੁੱਖੀ ਰਿਕਾਰਡਿੰਗ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਦੀ ਹੈ ।",
    "voice": "styletts2-default"
  }'

ਅਕਸਰ ਪੁੱਛੇ ਜਾਂਦੇ ਸਵਾਲ

StyleTTS2 ਇੱਕ state- of- the- art ਟੈਕਸਟ- ਟੂ- ਸਪੀਚ ਮਾਡਲ ਹੈ, ਜੋ ਕਿ ਮਨੁੱਖੀ- ਪੱਧਰ ਦੀ ਬੋਲੀ ਸੰਸਲੇਸ਼ਣ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ । ਇਹ ਸਟਾਇਲ ਡਿਫਿਊਸ਼ਨ ਅਤੇ ਵਿਰੋਧੀ ਟਰੇਨਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਅੱਖਾਂ ਨਾ ਵੇਖਣ ਵਾਲੀਆਂ ਸੁਣਨ ਟੈਸਟ ਵਿੱਚ ਅਸਲੀ ਮਨੁੱਖੀ ਰਿਕਾਰਡਿੰਗ ਤੋਂ ਅਣਜਾਣ ਬੋਲੀ ਪੈਦਾ ਕਰਨ ਲਈ ਹੈ । ਤੁਸੀਂ StyleTTS2 ਨੂੰ TextToSpeechAI ਉੱਤੇ ਮੁਫ਼ਤ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ ।

ਸਟਾਇਲTTS2 TextToSpeechAI ਉੱਤੇ ਉਪਲੱਬਧ ਸਭ ਤੋਂ ਉੱਚ ਕੁਆਲਟੀ TTS ਆਡੀਓ ਤਿਆਰ ਕਰਦਾ ਹੈ । ਰਸਮੀ ਮੁਲਾਂਕਣ ਵਿੱਚ ਇਹ MOS (Mean Opinion Score) ਟੈਸਟ ਉੱਤੇ ਮਨੁੱਖੀ- ਪੱਧਰ ਰੇਟਿੰਗ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਸੁਣਨ ਵਾਲੇ ਅਕਸਰ ਇੱਕ ਅਸਲੀ ਮਨੁੱਖੀ ਸਪੀਕਰ ਤੋਂ ਵੱਖ ਨਹੀਂ ਕਰ ਸਕਦੇ ਹਨ । ਇਸ ਲਈ ਇਹ ਸਾਡੇ ਅਲਟਰਾ ਟਾਇਰ ਵਿੱਚ Tortoise ਦੇ ਨਾਲ ਹੈ ।

TextToSpeechAI ਉੱਤੇ ਨਹੀਂ । ਇੱਥੇ ਸਟਾਇਲTTS2 ਆਵਾਜ਼ ਲਾਇਬਰੇਰੀ ਤੋਂ ਤਿਆਰ ਕੀਤੀਆਂ ਆਵਾਜ਼ਾਂ ਹਨ । ਆਵਾਜ਼ ਕਲੋਨਿੰਗ ਲਈ ਕਲੋਨ ਆਵਾਜ਼ ਟੂਲ ਵਰਤੋਂ, ਜੋ ਕਿ ਚੈਟਰਬਾਕਸ ਚਲਾਉਦਾ ਹੈ ।

ਹਾਂ । StyleTTS2 MIT ਲਾਈਸੈਂਸ ਅਧੀਨ ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਕੋਈ ਰਿਆਇਤ ਨਾ ਹੋਣ ਕਰਕੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵਪਾਰਕ ਵਰਤੋਂ ਲਈ ਸਹਾਇਕ ਹੈ । ਇਹ ਆਡੀਓਬੁੱਕ, ਐਡਵਰਡ, ਫਿਲਮ ਅਤੇ ਹੋਰ ਪਰੋਫੈਸ਼ਨਲ StyleTTS2 ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ ਸੁਰੱਖਿਅਤ ਹੈ, ਜਿੱਥੇ ਕਿ ਅਧਿਕਾਰ ਮਹੱਤਵਪੂਰਨ ਹਨ ।

StyleTTS2 ਮੁੱਖ ਤੌਰ ਉੱਤੇ ਅੰਗਰੇਜ਼ੀ ਲਈ ਸਹਾਇਕ ਹੈ, ਕਿਉਂਕਿ ਮਾਡਲ ਅੰਗਰੇਜ਼ੀ ਡਾਟਾਸੈੱਟ ਉੱਤੇ ਟਰੇਨ ਕੀਤਾ ਗਿਆ ਹੈ । ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਲਈ, Piper ਜਾਂ Bark ਆਵਾਜ਼ਾਂ, ਜਾਂ ਕਲੋਨ ਆਵਾਜ਼ਾਂ ਵਰਤੋਂ ।

ਸਟਾਇਲTTS2 ਦੀ ਮੱਧਮ ਪੈਦਾ ਕਰਨ ਦੀ ਗਤੀ ਹੈ । ਇਹ ਆਟੋਰਿਗਰੇਸ਼ਨਲ ਮਾਡਲਾਂ ਜਿਵੇਂ ਕਿ ਟੋਰਟੋਇਸ ਨਾਲੋਂ ਬਹੁਤ ਤੇਜ਼ ਹੈ, ਪਰ ਹਲਕੇ ਇੰਜਣਾਂ ਜਿਵੇਂ ਕਿ ਪਾਈਪਰ ਨਾਲੋਂ ਹੌਲੀ ਹੈ । ਇਸ ਦੀ ਪ੍ਰੀਮੀਅਮ ਕੁਆਲਟੀ ਅਤੇ ਕੰਪਿਊਟਿੰਗ ਲਾਗਤ ਕਰਕੇ, ਸਟਾਇਲTTS2 ਦੀ ਕੀਮਤ ਇੱਕ ਰੀਅਲ- ਟਾਈਮ ਮਾਡਲ ਵਾਂਗ ਨਹੀਂ, ਬਲਕਿ ਸਾਡੀ ਅਲਟਰਾ ਟਾਇਰ ਵਿੱਚ ਹੈ ।

ਸਟਾਇਲTTS2 ਨੂੰ ਅੰਦਾਜ਼ੇ ਲਈ ਲਗਭਗ 4-6GB VRAM ਦੀ ਲੋੜ ਹੈ । ਇਹ ਬਾਰਕ ਜਾਂ ਟੋਰਟੋਇਸ ਨਾਲੋਂ ਵਧੇਰੇ ਮੈਮੋਰੀ- ਕੁਸ਼ਲ ਹੈ ਅਤੇ ਉੱਚ ਕੁਆਲਟੀ ਆਉਟਪੁੱਟ ਦਿੰਦਾ ਹੈ । TextToSpeechAI ਉੱਤੇ ਸਭ ਸਟਾਇਲTTS2 ਪਰੋਸੈਸਿੰਗ ਸਾਡੇ GPU ਉੱਤੇ ਚੱਲਦੀ ਹੈ, ਇਸ ਲਈ ਤੁਹਾਨੂੰ ਆਪਣੇ ਹਾਰਡਵੇਅਰ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ ।

StyleTTS2 ਇੱਕ ਅਲਟਰਾ- ਟਾਇਰ ਮਾਡਲ ਹੈ ਅਤੇ TextToSpeechAI ਉੱਤੇ ਪ੍ਰਤੀ 1000 ਅੱਖਰ 50 ਕ੍ਰੈਡਿਟ ਦੀ ਕੀਮਤ ਹੈ । ਇਹ ਪ੍ਰੀਮੀਅਮ ਕੀਮਤ ਇਸ ਦੀ ਮਨੁੱਖੀ- ਪੱਧਰ ਦੀ ਕੁਆਲਟੀ ਅਤੇ GPU ਸਰੋਤਾਂ ਦੀ ਲੋੜ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ । ਤੁਲਨਾ ਲਈ, ਸਟੈਂਡਰਡ ਮਾਡਲ ਜਿਵੇਂ ਕਿ VITS ਪ੍ਰਤੀ 1000 ਅੱਖਰ 10 ਕ੍ਰੈਡਿਟ ਦੀ ਕੀਮਤ ਹੈ ਅਤੇ Piper ਪ੍ਰਤੀ 1000 ਅੱਖਰ 1 ਕ੍ਰੈਡਿਟ ਦੀ ਕੀਮਤ ਹੈ ।

ਦੋਵੇਂ ਹੀ ਅਲਟਰਾ ਟਾਇਰ (ਪ੍ਰਤੀ 1000 ਅੱਖਰ 50 ਕ੍ਰੈਡਿਟ) ਅਤੇ ਅੰਗਰੇਜ਼ੀ ਹਨ । ਸਟਾਇਲTTS2 ਬਹੁਤ ਤੇਜ਼ ਹੈ, ਜਦੋਂ ਕਿ ਟੋਰਟੋਇਸ ਲੰਬੇ ਪਾਸੇ ਉੱਤੇ ਥੋੜ੍ਹਾ ਕੁਦਰਤੀ ਸੁਣਾਈ ਦਿੰਦਾ ਹੈ । ਜਦੋਂ ਤੁਹਾਨੂੰ ਬਹੁਤ ਸਾਰੇ ਕਲਿੱਪ ਦੀ ਲੋੜ ਹੋਵੇ ਤਾਂ ਸਟਾਇਲTTS2 ਚੁਣੋ ਅਤੇ ਜਦੋਂ ਸਮਾਂ ਸੀਮਾ ਨਾ ਹੋਵੇ ਤਾਂ ਟੋਰਟੋਇਸ ।

StyleTTS2 24kHz ਉੱਤੇ ਉੱਚ ਕੁਆਲਟੀ ਆਡੀਓ ਤਿਆਰ ਕਰਦਾ ਹੈ । TextToSpeechAI ਰਾਹੀਂ ਤੁਸੀਂ MP3, WAV ਜਾਂ OGG ਦੇ ਰੂਪ ਵਿੱਚ ਨਤੀਜਾ ਡਾਊਨਲੋਡ ਕਰ ਸਕਦੇ ਹੋ, ਅਤੇ ਅਸੀਂ ਉੱਚ ਕੁਆਲਟੀ ਇੰਕੋਡਿੰਗ ਵਰਤਦੇ ਹਾਂ ਤਾਂ ਕਿ StyleTTS2 ਦੀ ਉੱਚ ਕੁਆਲਟੀ ਅੰਤਮ ਫਾਇਲ ਵਿੱਚ ਸੰਭਾਲੀ ਜਾ ਸਕੇ ।

ਹਾਂ । StyleTTS2 ਬੋਲੀ- ਰੇਟ ਅਡਜੱਸਟਮੈਂਟ ਲਈ ਸਹਾਇਕ ਹੈ, ਅਤੇ ਲਾਇਬਰੇਰੀ ਵਿੱਚ ਹਰੇਕ ਆਵਾਜ਼ ਲਈ ਆਪਣੀ ਖੁਦ ਦੀ ਪਹੁੰਚ ਹੈ, ਇਸ ਲਈ ਵੱਖਰੀ ਆਵਾਜ਼ ਚੁਣਨ ਨਾਲ ਪਰੋਸੌਡੀ ਬਦਲਦੀ ਹੈ ।

ਸਾਡੀ ਲਾਇਬਰੇਰੀ ਵਿੱਚੋਂ ਇੱਕ StyleTTS2 ਆਵਾਜ਼ ਚੁਣੋ, ਫਿਰ ਆਪਣੀ API ਮੰਗ ਵਿੱਚ ਉਸ ਆਵਾਜ਼ ਨੂੰ ਵੇਖੋ । TextToSpeechAI ਸਭ GPU ਕਾਰਵਾਈਆਂ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ ਅਤੇ ਤੁਹਾਡੀ ਪ੍ਰੀਮੀਅਮ StyleTTS2 ਆਡੀਓ ਨਾਲ ਡਾਊਨਲੋਡ URL ਦਿੰਦਾ ਹੈ ।

Technical Specs

  • Generation Speed Moderate
  • Output Quality Excellent
  • Voice Cloning Not Supported
  • Languages 1
  • GPU VRAM 4-6GB
  • Credits/1000 chars 50

Try TTS ਸਟਾਇਲ 2 Now

Generate your first audio free. No credit card required.

Start Free